Модуль 4 - Школа анализа инженерных данных

Модуль 4. Интеллектуальные алгоритмы для анализа динамики систем

Добро пожаловать!

Перед вами учебный комплект к четвертому модулю Школы анализа инженерных данных. Он состоит из:

1. Лекции
2. Контрольных материалов
3. Короткого практического семинара
4. Домашнего задания

Что вы узнаете из этого модуля:

• как переводить прогноз модели в конкретное инженерное решение.
• как оценивать качество решения через precision, recall и калибровку.
• как прогнозировать отказы и находить узкие места производства.

1. Интеллектуальные алгоритмы для анализа динамики систем (54 минуты)

Рады вас видеть! Сейчас мы разберём, как из абстрактного числа, которое выдаёт модель, получить конкретное решение — остановить, предупредить или продолжить работу.

2. Автоматизация принятия решений: Экспертные правила

Пройдём путь от экспертных правил до нейросетей — и увидим, почему вероятность лучше жёсткого «да/нет». Кстати, вы знали, что байесовский классификатор можно написать в пять строк на чистой теории вероятностей, без единой библиотеки?

3. Автоматизация принятия решений: Линейные модели

4. Автоматизация принятия решений: Вероятности и цена ошибки

5. Автоматизация принятия решений: Алгоритмы машинного обучения для классификации решений

6. Качество принимаемых решений

Сейчас мы разберём метрики качества моделей, принимающих решения: precision, recall, ROC, PR — и поймём, как проставить границу для нахождения золотой середины между пропусками и ложными срабатываниями. Факт: число на выходе классификатора — это не вероятность, и 0.9 может означать совсем не 90%

7. Интерпретация моделей

Сейчас мы заглянем внутрь моделей — напечатаем веса, прочитаем деревья, выведем границы решений и построим дерево отказов. Знали ли вы, что через кластеризацию можно сгруппировать отказы, которые наступают одновременно? Так можно найти физическую связь между отказами, которую эксперт не замечал

8. Предиктивная аналитика

Научимся предсказывать отказ до того, как он случится, — и поймём, почему точечный прогноз без интервала - это обман. А вы знали, что классификация через ансамбль в деревьев — это не только полезный прогноз решения, но и ценная оценка неопределённости решения?

9. Майнинг процессов: диагностика целого производства

Укрупняем масштаб и смотрим на производство целиком — как идёт поток деталей через стадии, где потери и узкие места. Золотой путь — это не экономическая программа, а среднестатистический путь объекта в вашей системе, хотя идеального лога всё равно не существует

10. Заключение

Подведём итоги: от экспертных правил к вероятностям, от качества решений к интерпретации, от прогноза отказов к диагностике целого производства. Все эти методы — про одно и то же: как извлечь из данных максимум информации и построить модель, принимающую решения

Для того чтобы пройти тестирование, перейдите по ссылке.

Материал для практической подготовки к выполнению и сдачи домашнего задания.

Если вы смотрите курс в Сообществе, откройте его в Engee (кнопка Открыть в Engee наверху страницы)

1. Откройте в файловом браузере папку, где расположен учебный комплект.

2. Решите практическую работу на платформе Engee и сопоставьте ваши результаты с ожидаемыми.

3. Чтобы сдать результаты домашней работы, перейдите по этой ссылке и скопируйте код из специально выделенных кодовых ячеек в проверочную систему Etude.